Google DeepMindは、AIを用いてテキストや画像からインタラクティブなゲーム世界を生成するツール「Project Genie」の試験的利用を開始すると発表しました。アメリカのGoogle AI Ultra加入者は、木曜日からこの実験的な研究プロトタイプを利用できるということです。
このツールは、Googleの最新の世界モデル「Genie 3」、画像生成モデル「Nano Banana Pro」、および「Gemini」を組み合わせて動作します。Genie 3の研究プレビューから5か月後にリリースされ、より高度な世界モデルの開発を目指すDeepMindの広範な取り組みの一環として、ユーザーフィードバックとトレーニングデータの収集を目的としています。
世界モデルは、環境の内部表現を生成し、未来の結果を予測し、行動を計画するために使用されるAIシステムです。多くのAIリーダー、特にDeepMindの研究者は、世界モデルが人工汎用知能（AGI）を実現するための重要なステップであると考えています。しかし、より短期的には、DeepMindのような研究所はビデオゲームや他のエンターテインメントから市場参入を開始し、シミュレーションでのロボット訓練などに展開する方針です。
DeepMindの「Project Genie」のリリースは、世界モデルの競争が激化する中での動きです。昨年末にはFei-Fei LiのWorld Labsが商用製品「Marble」をリリースし、AIビデオ生成スタートアップのRunwayも最近世界モデルを発表しました。元Metaの主任科学者Yann LeCunのスタートアップ「AMI Labs」も世界モデルの開発に注力する予定です。
DeepMindの研究ディレクター、シュロミ・フルクター氏は、TechCrunchのビデオインタビューで「より多くの人々がアクセスし、フィードバックを提供してくれることに興奮しています」と述べています。
DeepMindの研究者たちは、このツールが実験的な性質を持つことを認めています。時には印象的な世界を生成する一方で、期待外れの結果を生むこともあるということです。
「Project Genie」の利用開始は、ユーザーが環境とキャラクターのテキストプロンプトを提供する「ワールドスケッチ」から始まります。Nano Banana Proがプロンプトに基づいて画像を生成し、その画像を基にGenieがインタラクティブな世界を作成します。
現在、DeepMindは世界生成とナビゲーションを60秒に制限しています。これは予算と計算能力の制約によるものです。Genie 3は自己回帰モデルであり、多くの計算能力を必要とするため、ユーザーに提供できる範囲が制限されているということです。
「Project Genie」は、アート的なプロンプトに基づく世界の生成には優れていますが、フォトリアリスティックな世界の生成には課題があるとされています。ユーザーからのフィードバックを基に、将来的にはリアルさを向上させ、インタラクション能力を強化する方針です。
